AMD détaille son FSR 4 : une mise à niveau au bon goût d'IA !

Après avoir détaillé en long, en large et en travers les recoins de sa microarchitecture RDNA 4, AMD s’est penché du côté du logiciel. Car, avec les RX 9000, débarque une fonctionnalité qui leur sera exclusive — au grand dam des amateurs verts et bleus de la technologie — : le FSR 4. Derrière ce terme, AMD FidelityFX Super Resolution 4 sous sa forme complète, se cache une migration de la technologie de mise à l’échelle des rouges, passant de l’algorithmique classique (FSR 1 jusqu’à 3,1) au machine learning. De quoi justifier les améliorations de la partie IA de cette microarchitecture, à savoir doublement de la puissance de calcul matriciel FP16 de RDNA 4, ainsi que le support des matrices creuses !

En interne, ce FSR 4 se révèle être extrêmement proche du DLSS 3 concurrent : un réseau — que l’on imagine être un CNN, en l’absence de communication à ce sujet — prend en entrée une version « basse définition » de l’image rendue (dans le but de gagner en performances par rapport à un rendu HD). Encore une fois, le degré de dégradation de cette image de base est configurable (performance, équilibré et qualité) de manière à offrir plusieurs compromis entre FPS et qualité de rendu selon le jeu. Ensuite, les images calculées (sous la forme de couleurs, distance vis-à-vis de la caméra et vecteurs de mouvements) sont envoyées dans un réseau — moulinant en FP8 pour plus de performances — qui se charge de les mettre à l’échelle et de générer une frame « nouvelle » intermédiaire lorsque cela est possible. Point de MFG (multiple frame generation) donc, la firme jugeant officiellement que le confort en jeu gagné ne valait pas (encore ?) l’investissement en temps. Plus précisément, AMD observait que les images interpolées permettent, certes, de faire grimper le compteur du taux d’images calculées par seconde, mais cela ne se traduit pas par une sensation de fluidité équivalente au rendu natif.

Tout comme la génération d’image de la concurrence, le FSR 4 doit être couplé à une technologie de réduction de la latence — AMD Anti-Lag dans notre cas — afin de conserver la réactivité à des valeurs acceptables. Cela était néanmoins déjà le cas sur la version 3, et est inhérent au principe d’interpolation d’image : en intercalant de nouvelles frames entre deux images déjà calculées, vous retardez fatalement la dernière. En conclusion, ce FSR 4 reprend sur papier les éléments clefs faisant le succès du DLSS 3 : certains y verront une avancée de taille (surtout vu la tarification agressive des RX 9070 et RX 9070 XT), là où d’autres railleront la génération de retard des rouges sur les verts. À vous de juger !

Si les premières images faites maison de l’upscaler n’arriveront qu’avec les premiers tests de la carte (donc d’ici quelques jours), AMD a toutefois eu l’obligeance de fournir deux exemples visuels (incomplets cependant !) du FSR 4 en action sur Warhammer 40 000 : Space Marine 2, en l’opposant à la fois au rendu FSR 3, mais aussi au natif.

Si les yeux les plus experts reconnaissent effectivement le piqué caractéristique du machine learning (rendu détaillé au premier abord, mais étrange dans certaines lignes en s’y attardant précisément), la supériorité du FSR 4 sur la version 3 est indéniable : le flou est grandement diminué, voire éliminé ; et les éléments les plus fins sont davantage visibles — y compris par rapport au rendu natif. Reste à voir ce qu’il en sera en condition réelle, y compris au niveau de la génération d’images, qui a plutôt tendance à produire des artefacts dans des scènes mouvementées.

Enfin, AMD semble avoir travaillé sur une fonctionnalité très proche du Neural Radiance Cache inauguré chez les verts avec Blackwell. Pour rappel, il est question d’utiliser un réseau de neurones non pas en post-production (c’est-à-dire en fin de chaîne de rendu), mais directement après le lancer de rayons, dans le but d’approcher par machine learning le rendu d’un nombre de rayons bien plus grand, et d’une définition plus élevée. Notez que cette technologie est couplée à une méthode non-IA découpant l’espace selon une grille de manière à concentrer le travail dans les cubes les plus susceptibles de produire de la lumière. Voilà ce que cela donne en images :

S’en suit une étape suivante (3 dans notre numérotation d’image) appliquant Restir Direct, un calcul permettant de raffiner l’éclairage de chaque pixel en fonction de son environnement spatial et temporel, ainsi que l’application de l’illumination globale. Enfin, le classique débruitage et mise à l’échelle par IA sont utilisés, offrant l’image finale. Reste à savoir dans quel contexte ces technologies seront appliquées, AMD communiquant sur du « Path Tracing avec RDNA 4 » sans mention de titre supporté ni de FSR. Affaire à suivre !